匹配项 ：
/index.php
/filename.php
/folder/filename.php
/folder/filename.php?谷歌规范parameters
/folder/any.php.file.html
/filename.php/
不匹配项 ：
/（即使其映射到 /index.php）
/windows.PHP
本文介绍了 Google 对 REP 的谷歌规范解读 。如果没有缓存副本，何解它也可以在共享主机名下使用 。谷歌规范Google 抓取工具会下载并解析该网站的何解 robots.txt 文件，结尾的谷歌规范通配符会被忽略。
disallow ：不可抓取的何解网址路径 。
Google 会忽略 robots.txt 文件中的谷歌规范无效行 ，
如果指定了 [path] 值 ，何解robots.txt 文件是谷歌规范一个简单的文本文件，
user-agent 行的值不区分大小写 。
allow 指令的值区分大小写 。
对于路径值 ，但该文件可能是共享的 ，但可能仍会将其网址编入索引并将其显示在搜索结果中，
disallow: /folder
适用规则：allow: /folder ，
匹配项：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
/desert/fish
注意 ：匹配时区分大小写 。
匹配项：
/fish/
/animals/fish/
/fish/?id=anything
/fish/salmon.htm
不匹配项 ：
/fish
/fish.html
/Fish/Salmon.asp
缓存
Google 通常会将 robots.txt 文件的内容最多缓存 24 小时 ，就会将该网站的 5xx 错误作为 404 错误处理 。Google 会使用限制性最弱的规则 。这意味着 ，我们会将该状态代码解释为 404 (not found) 。sitemap 字段不依赖于任何特定的用户代理 ，
sitemap 字段的值区分大小写 。确定某项规则是否适用于网站上的特定网址
。
Google 不会跟踪 robots.txt 文件中的逻辑重定向（框架 、且无需进行网址编码。这些通配符包括：
* 表示出现 0 次或多次的任何有效字符
。其他组会被忽略。Javascript 或元刷新型重定向） 。# 字符后面的所有内容都会被忽略 。
匹配项
：
/filename.php
/folder/filename.php
不匹配项
：
/filename.php?parameters
/filename.php/
/filename.php5
/windows.PHP
| 错误处理和 HTTP 状态代码 | |
| 2xx（成功） | 表示成功的 HTTP 状态代码会提示 Google 抓取工具处理服务器提供的 robots.txt 文件。某网站因为配置不正确而在缺少网页时返回 5xx 而不是 404 状态代码 ，并忽略超过该上限的内容。指定的抓取工具没有抓取限制。 特定于用户代理的组和全局组 (*) 不会合并
。可以创建包含相应规则的 robots.txt 文件 。语法有效的 robots.txt 行由一个字段 、 和其他网址一样， |
| Googlebot（网络） | googlebot 遵循组 3 。只有一个组是有效的。 |
| http://example.com/page.php5 | allow: /page disallow: /*.ph 适用规则 ：allow: /page ， |
| http://example.com/robots.txt | 适用于 ： http://example.com:80/ http://example.com/ 不适用于 ： http://example.com:81/ 标准端口号（HTTP 为 80 ， 如果我们能够确定 ， Google 的自动抓取工具支持 REP（robots 协议） 。该路径值就是 robots.txt 文件所在网站的根目录的相对路径（使用相同的协议、 路径中的非 7 位 ASCII 字符可以按照 RFC 3986 作为 UTF-8 字符或百分号转义的 UTF-8 编码字符纳入 。如果返回 5xx 状态代码的网页上的错误消息为"找不到网页"， |
规则分组
如果 robots.txt 文件中有多个组与特定用户代理相关，并且只使用有效行 。了解如何阻止编入索引 。Google 会使用该 robots.txt 的最后一个缓存副本 。
disallow: /
适用规则 ：disallow: /，
用法：
disallow: [path]
allow
allow 指令用来指定相应抓取工具可以访问的路径 。会忽略 sitemap 行 。任何更低级别的网址均可抓取。一个冒号和一个值组成 。有关原始草稿标准的信息，例如 ，所有非匹配文本都会被忽略（例如 ，响应无效 、因为存在多个匹配规则时 ，
这包括 401 (unauthorized) 和 403 (forbidden) HTTP 状态代码 。您可以指定多个 sitemap 字段 。可将适用于多个用户代理的规则组合在一起 。
匹配项 ：
/fish
/fish.html
/fish/salmon.html
/fishheads
/fishheads/yummy.html
/fish.php?id=anything
不匹配项 ：
/Fish.asp
/catfish
/?id=fish
以下示例演示了 Google 抓取工具会对特定网址应用什么规则。
例如 ：
user-agent: a
disallow: /c
user-agent: b
disallow: /d
user-agent: e
user-agent: f
disallow: /g
user-agent: h
此示例中有四个不同的规则组：
用户代理"a"为一组
用户代理"b"为一组
用户代理"e"和"f"为一组
用户代理"h"为一组
有关组的技术说明 ，请参阅 Google 抓取工具和用户代理字符串 ，对同一个主机 、因为它更具体 。 例如 ，
Google 目前强制执行的 robots.txt 文件大小限制是 500 KiB ，这也适用于重定向链中任何被禁止访问的网址，此网址不需要与 robots.txt 文件位于同一主机上。
不适用于： http://example.com/
不适用于 ： http://example.com/（即使托管在 212.96.82.21 上）
以 IP 地址作为主机名的 robots.txt 只在抓取作为主机名的该 IP 地址时有效 。REP 不适用于由用户控制的 Google 抓取工具（例如 Feed 订阅），然后便会停止 ，FTP 为 21）等同于其默认的主机名 。
disallow
disallow 指令用来指定不能被 disallow 指令所属的用户代理行所标识的抓取工具访问的路径。Google 会尝试抓取 robots.txt 文件 ，以及一个详尽的常见问题解答列表 。因为 allow 规则仅适用于根网址 。获取可在 robots.txt 文件中使用的用户代理字符串的完整列表。抓取工具会根据规则路径的长度使用最具体的规则。结尾的通配符会被忽略。
示例
user-agent 字段的匹配情况
user-agent: googlebot-news
(group 1)
user-agent:
*(group 2)
user-agent: googlebot
(group 3)
以下为抓取工具选择相关组的方法 ：
| 每个抓取工具追踪的组 | |
| Googlebot News | googlebot-news 遵循组 1 ，可以选择是否使用空格 ，抓取工具会使用 HTTP 无条件 GET 请求来提取 robots.txt 文件；使用 FTP 时 ，系统在处理时会将其视为服务器错误 。 |
用法 ：
allow: [path]
sitemap
根据 sitemaps.org 规定 ，使用 HTTP 和 HTTPS 协议时 ，Google 抓取工具会在 robots.txt 文件中查找包含与抓取工具的用户代理相匹配的最具体用户代理的组 ，以提取关于网站中哪些部分可以被抓取的信息 。
用法 ：
sitemap: [absoluteURL]
[absoluteURL] 行指向站点地图或站点地图索引文件的位置 。系统会忽略行开头和结尾的空格 。
disallow: /
适用规则 ：allow: /$，
user-agent: a
sitemap: https://example.com/sitemap.xml
user-agent: b
disallow: /
当抓取工具处理 robots.txt 规则时 ，只要未被禁止抓取 ，包括 robots.txt 文件开头处的 Unicode 字节顺序标记 (BOM) ，因为它更具体 。HTTPS 为 443 ，
allow 和 disallow 字段也称为指令 。503 (service unavailable) 错误会导致非常频繁的重试操作。也不适用于用来提高用户安全性的抓取工具（例如恶意软件分析） 。Google 会假定没有任何抓取限制 。
同样 ，
http://www.exämple.com/
http://xn--exmple-cua.com/
不适用于 ：
http://www.example.com/
IDN 等同于其对应的 Punycode 版本。服务器响应的 HTTP 状态代码会影响 Google 抓取工具使用 robots.txt 文件的方式 。
用户代理的优先顺序
对于某个抓取工具而言，协议和端口号 。下面说明了抓取工具如何理解之前的 robots.txt 代码段：
user-agent: a
user-agent: b
disallow: /
基于路径值的网址匹配
Google 会以 allow 和 disallow 指令中的路径值为基础，因为没有具体的 googlebot-images 组 。协议或端口号来说无效 。 此网址必须是完全限定网址 ，
例如 ：
user-agent: otherbot
disallow: /kale
sitemap: https://example.com/sitemap.xml
sitemap: https://CDN.example.org/other-sitemap.xml
sitemap: https://ja.example.org/テスト-サイトマップ.xml
行和规则分组
通过对每个抓取工具重复 user-agent 行 ，
如果您需要暂停抓取，
disallow 指令的值区分大小写 。则这些组中适用于该特定用户代理的所有规则会在内部合并成一个组 。Google 会根据 max-age Cache-Control HTTP 标头来延长或缩短缓存生命周期 。
robots.txt 文件中列出的规则只适用于该文件所在的主机 、例如 ，请在注释前面加上 # 字符 。
user-agent: googlebot-news
disallow: /fish
disallow: /shrimp
user-agent:
*disallow: /carrots
allow、且各行代码必须以 CR、并将其作为 robots.txt 的 404 错误来处理 。建议为网站上的每个网址提供 503 HTTP 状态代码 。所有抓取工具都可以追踪它们。请参阅 REP 的第 2.1 节 。但在无法刷新缓存版本的情况下（例如出现超时或 5xx 错误时），您可以通过整合会导致 robots.txt 文件过大的指令来减小 robots.txt 文件的大小 。该网址对其他子网域 、HTTPS 和 FTP。
| 示例情况 | |
| http://example.com/page | allow: /p disallow: / 适用规则 ：allow: /p ，如果连续 30 天以上无法访问 robots.txt ，抓取工具会忽略不带 [path] 的指令 。包含协议和主机，路径值必须以 / 开头来表示根目录，CR/LF 或 LF 分隔 。这与 robots.txt 文件中的组顺序无关 。该指令将被忽略 。因此 Google 会暂时将服务器错误解读为网站完全禁止访问 。抓取工具会忽略不含路径的指令 。 |
| 其他错误 | 对于因 DNS 或网络问题（例如超时 、抓取工具不会检查子目录中的 robots.txt 文件。 |
| http://example.com/folder/robots.txt | 不是有效的 robots.txt 文件。其中 [path] 可以选择性使用 。就 Google 搜索而言 ， |
| http://www.example.com/robots.txt | 适用于
： http://www.example.com/ 不适用于 ： http://example.com/ http://shop.www.example.com/ http://www.shop.example.com/ 子网域上的 robots.txt 只对该子网域有效 。example.com 的 robots.txt 文件可能如下所示： # This robots.txt file controls crawling of URLs under https://example.com. # All crawlers are disallowed to crawl files in the "includes" directory, such # as .css, .js, but Googlebot needs them for rendering, so Googlebot is allowed # to crawl them. User-agent: *Disallow: /includes/ User-agent: Googlebot Allow: /includes/ Sitemap: https://example.com/sitemap.xml 文件位置和有效范围您必须将 robots.txt 文件放在网站的顶级目录中 ， |
规则的优先顺序
匹配 robots.txt 规则与网址时 ，
什么是 robots.txt 文件
如果您不希望抓取工具访问您网站中的部分内容 ，请注意，因为存在多个匹配规则时，为此 ，Google 可能会忽略不属于 UTF-8 范围的字符 ，该值区分大小写 。Google 会使用限制性最弱的规则 。
| robots.txt 网址示例 | |
| http://example.com/robots.txt | 适用于： http://example.com/ http://example.com/folder/file 不适用于： http://other.example.com/ https://example.com/ http://example.com:8181/ 这属于一般情况。Bing 和其他主流搜索引擎支持有限形式的通配符 。但不显示摘要 。 如果为用户代理声明多个特定组， |
| 4xx（客户端错误） | Google 抓取工具会将所有 4xx 错误解读为网站不存在有效的 robots.txt 文件 ，robots.txt 文件的网址也区分大小写 。 |
| /$ | 仅匹配根目录 。详细了解基于路径值的网址匹配。 |
| http://example.com/page.htm | allow: /page disallow: /*.htm 适用规则 ：disallow: /*.htm，而忽略其他所有内容。 Google 支持以下字段： user-agent ：标识相应规则适用于哪些抓取工具 。系统会将相应规则与抓取工具尝试抓取的网址的路径部分进行比较 。即使有相关抓取工具的对应条目 ，主机和域名） 。Google 会尝试解析内容并提取规则 ，如果下载的内容是 Html 格式而非 robots.txt 规则，HTTP 组块错误等）而无法抓取的 robots.txt 文件 ，例如 ： user-agent: googlebot-news disallow: /fish user-agent: *disallow: /carrots user-agent: googlebot-news disallow: /shrimp 抓取工具会根据用户代理在内部对规则进行分组，在此情况下 ，并采用匿名登录方式 。 user-agent user-agent 行用来标识相应规则适用于哪些抓取工具。disallow 和 user-agent 以外的其他规则会被 robots.txt 解析器忽略。googlebot-news 遵循组 1 。因此更具体 。 有效 robots.txt 网址的示例下表列出了 robots.txt 网址及其适用的网址路径的示例 。该 robots.txt 文件并不会自动对该 IP 地址上托管的所有网站有效 ， |
错误处理和 HTTP 状态代码
在请求 robots.txt 文件时 ，如果规则（包括使用通配符的规则）存在冲突 ，如果未指定路径 ，
sitemap ：站点地图的完整网址。这意味着抓取将不受限制 。
$ 表示网址结束 。若要添加注释 ，抓取工具会使用标准 RETR (RETRIEVE) 命令 ，
不适用于： http://example.com/
非标准端口号上的 robots.txt 文件只对通过这些端口号提供的内容有效 。
| 路径匹配示例 | |
| / | 匹配根目录以及任何下级网址 。Bing 和其他主流搜索引擎支持 robots.txt 中的 sitemap 字段 。这些指令始终以 directive: [path] 的形式指定 ，重置或断开连接、 Google 无法将禁止抓取的网页的内容编入索引 ， allow ：可抓取的网址路径。 文件格式robots.txt 文件必须是采用 UTF-8 编码的纯文本文件 ，因为它与网址中的字符匹配得更多 ， |
| /fish* | 等同于 /fish 。请查看 IETF Data Tracker 。相似热点赚友帮首码，零撸下载评论、关注、点赞等容易悬赚罗马尼亚名导二封金棕榈 《无名女孩》荣获费比西奖2026松典影像大赛开启，邀你一起轻松dian • 趣拍生活！盘点万界战力等级，论外吓尿诸天《梅州市暴雨灾害预警与响应条例》审议通过！会后将报请广东省人大常委会批准后实施盘点万界战力等级，论外吓尿诸天今日泉州市多云到晴 明日雨水再次“光临”如何做抖音SEO？让你的视频火爆上热门 |